基于点集匹配的缺陷样本图像生成方法

作     者：高海洋 张明川 葛泉波 刘华平 GAO Haiyang;ZHANG Mingchuan;GE Quanbo;LIU Huaping

作者机构：河南科技大学信息工程学院河南洛阳471023 南京信息工程大学自动化学院江苏南京210044 清华大学计算机科学与技术系北京100084 

出 版 物：《智能系统学报》 (CAAI Transactions on Intelligent Systems)

年 卷 期：2023年第18卷第5期

页      面：1030-1038页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金重点项目(62033010) 中原科技创新领军人才项目(224200510004) 

主　　题：工业 缺陷检测 小样本问题 点集匹配 样本扩充 缺陷样本生成 有效训练 循环生成对抗网络模型 矢量化变分自动编码器 

摘      要：针对工业缺陷检测中存在的由产品次品率过低、产品迭代更新过快、缺陷种类难以覆盖全部以及缺陷样本高质量标注难度较高导致的小样本问题,使用基于点集匹配的缺陷样本图像生成方法来对缺陷数据进行扩充。将缺陷部位从多特征角度进行变换,使用单张样本进行扩充得到不同特征的缺陷图像,解决小样本条件下深度学习方法难以生成高质量缺陷图像的问题。通过图像评估与实验验证,该方法生成的图像具有更好的视觉效果,并且对缺陷与分割模型有着高效的提升。该方法可应用于样本较少的深度学习模型训练过程中,达到扩充样本提高训练效果的目的。